新特性mindconverter使用体验（以VGG16为例）

1.下载安装MindSpore  1.2.0-rc1版本，点开如下链接并获取安装命令：https://www.mindspore.cn/install

GPU上安装报错，还获取不到r1.2版本（版本没有放上去，资料先发布了，已经提单）：

 

2.手动从版本构建和发布渠道获取mindspore1.2.0版本并安装：

3. 操作系统版本和配套软件：Linux Ubuntu18.04 X86_64 GPU CUDA10.1 Python3.7.5

4. 使用Mindconverter转换pytorch或tensorflow的脚本后进行预测和评估，以VGG16为例：

mindconverter --model_file /home/workspace/mindspore_dataset/pb_file/VGG16.pb --shape 1,224,224,3 --input_nodes input_1:0 --output_nodes predictions/Softmax:0 --output VGG16 --report VGG16

转换时指定shape为1,224,224,3，读取数据完成训练报如下错误：

核对数据集的batch_size，宽，高，通道数分别改为1，224,224,3，再次运行用例顺利通过：

如果转换的时候不用指定shape，运行训练时能根据数据集的shape生成图更好。和mindspore训练框架定位网络训练的逻辑保持一致。